دانلود ترجمه مقاله الگوریتم بهینه سازی ترکیبی جهت تخمین پارامتر موتورهای القایی چند فازی (ساینس دایرکت – الزویر 2021) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

الگوریتم بهینه سازی ترکیبی جهت تخمین پارامتر موتورهای القایی چند فازی با تایید آزمایشی

Hybrid optimization algorithm for parameter estimation of poly-phase induction motors with experimental verification

چکیده ترسیمی

نکات مهم

چکیده

1. مقدمه

فهرست اصطلاحات

2. خصوصیات حالت پایدار موتور القایی چند فازی

3. بیان ریاضی مسئله

4. الگوریتم‌های بهینه سازی توسعه یافته

4.1 تکامل تفاضلی DE

4.2 الگوریتم ژنتیک GA

4.3 الگوریتم PSO

4.4. الگوریتم بهینه سازی JAYA

5. الگوریتم بهینه سازی PSO -JAYA ترکیبی پیشنهادی

5.1 مراحل روند پیشنهادی

6. کاربردها

6.1 مجموعه آزمایشگاهی

6.2 تنظیمات پارامترهای الگوریتمهای بهینه سازی رقابتی

6.3 ارزیابی ابزارهای رقابتی

7. نتیجه گیری

منابع

چکیده

دقت پارامترهای برآورد شده از موتورهای القایی چند فازی برای پیش بینی عملکرد مؤثر و / یا کنترل در برنامه‌های مختلف تولید حائز اهمیت است. این مطالعه برای یافتن برآورد پارامترهای بهینه موتورهای القایی چند فازی، الگوریتم ترکیبی بین بهینه سازی ازدحام ذرات و الگوریتم‌های بهینه سازی Jayaرا بررسی می‌کند. این کار با استفاده از خصوصیات عملکرد سازنده بر روی دو موتور القایی چند فازی انجام شده است. الگوریتم پیشنهادی در مقایسه با الگوریتم‌های معمولی و همچنین الگوریتم‌های تکامل تفاضلی و ژنتیکی دارای عملکرد رقابتی است. اعتبارسنجی‌های تجربی بر روی موتورهای القایی سه فازی و شش فازی انجام شده است. همچنین، از نزدیکی بین پارامترهای آزمایشی و برآورد شده با همگرایی سریع در مقایسه با سایر الگوریتم‌های دیگر، تقلید می‌شود. علاوه براین، این نتایج توانمندی بالای الگوریتم پیشنهادی را در مقایسه با الگوریتم‌های دیگر از نظر اعداد تکراری متغیر، اندازه جمعیت و همگرایی نشان می‌دهد.

1. مقدمه

موتورهای القایی چند فازی (PIM) از پرکاربردترین ماشینهای الکتریکی هستند  (1). آن‌ها به تبدیل حدود 60٪ نیروی الکتریکی به انرژی مکانیکی کمک می‌کنند (2). PIM به دلیل ستبری و سادگی در بخش صنعت محبوب هستند، زیرا 90٪ موتورهای صنعتی IM هستند (3). نمونه‌هایی از کاربردهای موتورهای القایی، عبارتند از ابزارهای موتور مجهز به موتورهای القایی، موتورهای دارای دور متغیر و پمپ‌ها (4). برای دستیابی به عملکرد هدف ماشینهای القایی، مدل سازی دقیق برای PIM ها مسئله مهمی تلقی می‌شود (5). این مسائل شامل رفتار حالت گذرا و پایدار هستند. این مدل تعادل بین ولتاژ سیم پیچ استاتور و روتور، لینکاژها و جریانهای شار، توان عبوری از شکاف هوایی و گشتاورهای الکترومغناطیسی را بیان می‌کند. بنابراین ، پیدا کردن پارامترهای ناشناخته این ماشینها، یک مسئله بهینه سازی غیریکنواخت غیرخطی پیچیده است (6). هدف آن دستیابی به بالاترین درجه نزدیکی بین پارامترهای برآورد شده و پارامترهای واقعی است. بنابراین، تابع هدف مسئله برآورد پارامتر مورد نظر، حداقل انحراف بین پارامترهای برآورد شده و واقعی با حفظ این پارامترها در مرزهای عملیاتی مجاز آنها است. برای برآوردن فرآیند شناسایی پارامتر، چندین الگوریتم بهینه سازی برای تضمین مدلهای دقیق PIM ارائه شده است. در این راستا، این مقاله الگوریتم ترکیبی بین بهینه سازی ازدحام ذرات و الگوریتم‌های بهینه سازی جاوای  HPJOA را برای دست یابی به پارامترهای PIM ناشناخته مطلوب پیشنهاد می‌کند.

Abstract

The estimated parameters accuracy of poly-phase induction motors is crucial for effective performance prediction and/or control in various manufacturing applications. This study investigates hybrid algorithm between particle swarm optimization and Jaya optimization algorithms for finding the optimal parameters estimation of poly-phase induction motors. It is carried out using the manufacturer’s operation characteristics on two poly-phase induction motors. Numerical results show the capability of the proposed hybrid optimization algorithm. The proposed algorithm has competitive performance compared with conventional algorithms as well as with differential evolution and genetic algorithms. Experimental verifications are carried out on three-phase and six-phase induction motors. Also, it emulates the closeness between experimental and estimated parameters with fast convergence compared to other algorithms. Also, the results reflect the high robustness of the proposed algorithm compared with other algorithms for varied iteration numbers, population size and convergence.

1. Introduction

The Poly-phase Induction Motors (PIMs) are the most used electrical machines [1]. They contribute around 60% of electric power converted to mechanical energy [2]. PIM are favored due to their ruggedness and simplicity in the industry section as 90% of industrial motors are IMs [3]. Examples of induction motors applications involve motor tools equipped with induction motors, adjustable speed motors and pumps [4]. To achieve the target performance of induction machines, the accurate modelling is considered as crucial issue for PIMs [5]. These issues involve the transient and steady-state behavior. The model expresses the stator and rotor windings voltage balance, flux linkages and currents, the air-gap power, and the electromagnetic torques. Therefore, finding the unknown parameters of these machines is a complicated nonlinear non-smooth optimization problem [6]. It aims at achieving the highest closeness degree between the estimated parameters and those of the actual ones. Therefore, the objective function of the considered parameter estimation problem is the minimum deviation between estimated and actual parameters with preserving these parameters within their permissible operating boundaries. To satisfy the parameter identification process, several optimization algorithms have been developed to guarantee the accurate PIM models. In this regard, this paper proposes the hybrid algorithm between particle swarm optimization and Jaya optimization algorithms HPJOA form finding the optimal unknown PIM parameters.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

الگوریتم بهینه سازی ترکیبی جهت تخمین پارامتر موتورهای القایی چند فازی با تایید آزمایشی

Hybrid optimization algorithm for parameter estimation of poly-phase induction motors with experimental verification